【自用】最近常用的Markdown公式

定位方程

$$\begin{cases} (x-x_1)^2 + (y-y_1)^2 +(z-z_1) = d_1\\ (x-x_2)^2 + (y-y_2)^2 +(z-z_2) = d_2\\ \vdots\\ (x-x_m)^2 + (y-y_m)^2 +(z-z_m) = d_m\\ \end{cases}$$

化简的线性方程

$$(2x_2-2x_1)x + (2y_2-2y_1)y + (2z_2-2z_1)z =d_1-d_2+(x_2^2+y_2^2+z_2^2)-(x_1^2+y_1^2+z_1^2) \\ \vdots\\ (2x_j-2x_i)x + (2y_j-2y_i)y + (2z_j-2z_i)z =d_i-d_j+(x_j^2+y_j^2+z_j^2)-(x_i^2+y_i^2+z_i^2) \\ (i,j表示方程组中两个不相同的行的编号)$$
加权最小方差（WLS）

方程组系数矩阵矩阵

$$A = \left( \begin{matrix} x_1^N & \cdots & x_1 & 1 \\ x_2^N & \cdots & x_2 &1 \\ \vdots & \ddots & \vdots & \vdots \\ x_m^N & \cdots & x_m & 1 \\ \end{matrix} \right)$$

需要求解的拟合系数矩阵

$$\theta = \left( \begin{matrix} \theta_n\\ \theta_{n-1}\\ \vdots\\ \theta_1\\ \end{matrix} \right)$$
使用加权最小方差方法求解得到拟合系数
$$\theta_m^n= \left( \begin{matrix} \theta_{mn}^n\\ \theta_{mn-1}^n\\ \vdots\\ \theta_1^n\\ \end{matrix} \right) =[A^TMA]^{-1}A^TMy$$

对应的加权最小方差为表达式
$J_m = [A\theta-y]^TW[A\theta-y]$

$X = (A^TA)^{-1}A^Tb$

$min f(x,y) = \sum_{i=1}^m((x_i-x)^2 + (y_i-y)^2 - d_i)^2$